昨夜（当地时间9日）纽约股市收盘涨跌互现。前一天反弹过的半导体股再次回落，盘中又叠加中东方面的利空消息，跌幅一度扩大。 标普500指数下跌0.26%，收于7386点，但指数成分股中上涨的有370只，超过半数。以科技股为主的纳斯达克指数下跌0.97%，道琼斯指数则上涨0.17%。 在市值占比较大的半导体和能源板块拖累指数下行的同时，其他大多数行业都上涨了。中小盘股指数罗素2000也上涨0.41%。这正是资金从大型科技股流向其他领域的轮动典型表现。 盘中波动相当剧烈。随着美军直升机据称遭伊朗攻击被击落的消息传出，市场避险情绪升温。特朗普总统预告将进行报复性打击，而当地时间9日，美军已对伊朗实施实际打击。曾一度接近下跌4%的纳斯达克指数最终收窄跌幅收盘。另一方面，由于市场普遍期待以色列与伊朗的交火缓和，油价反而下跌。 真正摇晃得更厉害的，是韩国国内市场。受美国半导体抛售影响，韩股综合股价指数（KOSPI）在本月5日大跌5%以上后，又在8日盘中暴跌逾8%，一度跌至7500点区间。三星电子和SK海力士股价分别录得两位数左右的跌幅，触发卖出sidecar机制。韩元汇率突破1540韩元，外国投资者也连续20个交易日净卖出。 为什么韩国股指比美国跌得更深？答案在于“集中”。 今年以来，推动全球股市上涨的力量几乎只有AI和半导体这一条主线。少数几只巨型科技股和芯片股承担了指数上涨的大部分贡献。 在市值加权的指数中，这类大盘股的涨跌会左右整个指数。几天前，半导体企业博通（Broadcom）公布的业绩不及市场预期，股价暴跌12%，冲击迅速扩散至整个半导体板块，也是同样的结构性原因。 韩国市场的集中度则更加极端。KOSPI市值中，三星电子和SK海力士两只股票所占比重极高。两家公司还被同一行业——存储半导体——紧密绑定。美国芯片股一旦震荡，韩国指数就会原封不动，甚至被放大地承受冲击。前一个交易日KOSPI比美国市场跌得更深，原因正在于此。 集中在上涨时像加速踏板，但下跌时却会变成利刃。指数越依赖少数几只股票，哪怕是很小的业绩变化或突发消息，也会让整个市场剧烈波动。这次的波动，暴露了这种结构的真实面貌。曾经是牛市引擎的集中，如今也以同样强度成为风险源头。 市场解读出现了分歧。 乐观派将这一走势视为“健康的轮动”。在证券界部分人士看来，这只是资金从此前过度集中于大型科技股的方向，转向长期被忽视的行业和中小盘股的过程。 道琼斯指数守在历史高位附近、上涨股票数量过半，便是其依据。尽管指数表面呈现回落，但市场的广度实际上在扩大。如果这是牛市向更多股票扩散的信号，那么它更接近利好，而非坏消息。 担忧者则指出了更根本的问题：轮动的导火索，归根结底是市场对AI投资的怀疑。过去一段时间，半导体和大型科技股的股价已经远远跑在未来业绩之前。 博通业绩失望所引发的，并不只是小幅裂痕，而是扩散到了整个行业的重新定价，这说明估值压力一直非常沉重。在这种视角下，当前调整或许只是泡沫开始破裂的开端。 面对同一组数据，诊断之所以分歧明显，原因很简单：集中被打散后，究竟会以分散收场，还是会走向崩塌，谁都还无法断言。 这一阶段传递出的信息是，波动并非偶发事件，而是结构性产物。 只要指数依赖少数股票的结构不改变，类似冲击就会反复出现。被动基金和指数跟踪资金越多，集中效应就越会自我强化。大盘股上涨时，资金继续涌入；而这些资金又反过来推高大盘股。问题在于，当这一循环反向转动时会发生什么。 对韩国市场而言，这一含义更为沉重。不仅股市，出口和经济增长也都依赖存储半导体这一支柱。只要半导体景气波动，指数、汇率与实体经济就会同时震荡。 此次sidecar触发与汇率急升，正显示出这条连接链条有多么紧绷。半导体偏重，已不再只是股市的问题，而应被视为整个国家投资组合的风险。 那么，如何降低这种结构性风险？这不是单纯对个人投资者提出分散配置建议的问题，而是市场设计与运营者更需要承担的责任。 首先，需要从指数设计层面展开讨论。市值加权指数天然让大股票拥有更大的影响力，从而在结构上放大集中现象。 在海外，有些指数会对单一股票或少数股票在指数中的权重设置上限，或者采用每只成分股权重相同的等权指数作为替代。交易所和指数编制机构应该到了审视KOSPI200等核心指数集中度，并考虑缓冲机制的时候。 重新检视市场稳定装置也是一项课题。此次暴跌中，卖出sidecar机制被启动，暂时中止了委托效力。在波动已成常态的环境下，需要再次检验sidecar和熔断机制等缓冲工具是否能及时、充分地发挥作用。外资资金大规模流出时，如何切断汇率与股市联动剧烈波动的链条，也值得一并思考。 更根本的解决办法，在于经济体质本身。只要股市和出口继续过度依赖存储半导体，波动就会反复出现。 ...

三星于9日宣布，将在本月内向所有关联公司正式引入ChatGPT、Gemini、Claude等外部生成式AI。这是继2023年因源代码泄露而在公司内部全面封锁后，时隔3年的完全相反决定。 此次允许使用的，并不是会将输入内容用于模型训练的“消费者版”AI，而是以不将输入数据用于学习的“企业版”账号和安全体系为前提的应用。 安保业界将企业版账号、AI专用DLP、数据治理、双轨结构视为核心安全装置。不过，也有观点指出，提示注入、复制粘贴外泄等仍存在技术难以完全防范的漏洞。 每人每月30至40美元的企业版许可费用，对中小企业来说是一笔不小的负担。相比自建系统，企业级订阅、政府支持和内部指南，才是更现实的路径。 图表=解决方案新闻 三星9日宣布，面向所有关联公司，将在本月正式导入ChatGPT、Gemini、Claude等外部生成式AI。 这是将AI应用于开发、采购、制造、物流、营销、销售、服务、经营支持这八大业务全流程的“AI大转型”构想中的核心举措。各子公司的首席执行官将亲自带头推进创新。 规模也不小。约50名CEO本月将参加为期两天的集中培训“AX Boot Camp”，2300多名高管将接受分批培训，截止到8月12日；面向全体员工的培训也将于年内完成。可以说，这是三星在集团层面全面使用外部AI的正式宣言。 三星关联公司高管在人才开发院创意馆接受AI集中培训。（照片=三星电子） 三星是最早、最严厉封锁外部生成式AI的一方。2023年4月，半导体部门员工将设备源代码和会议内容输入ChatGPT，导致信息流向外部服务器，事故由此发生。 公司随后在同年5月全面阻止了公司电脑访问生成式AI。一次输入的数据无法回收也无法删除的警告，使得公司内部调查中65%的受访者认同其安全风险。 如今，这道闸门在3年后被三星自行打开。公司强调，此次同样没有忽视安全，而是要在全面允许外部AI使用的同时，进一步精细化安全体系。其方针十分明确：扩大应用范围，同时控制风险，也就是同时抓住“鱼与熊掌”。 那么，究竟发生了什么变化？与3年前相比，今天的外部AI已经不是同一种东西。 2023年三星所担心的，准确来说是“消费者版”生成式AI。个人免费使用的聊天机器人，往往会把用户输入内容再次用于模型训练。员工不经意粘贴的一行源代码，可能会融入模型，在他人的回答中再次出现，这种担忧并非夸张。 而现在企业使用的外部AI则不同。根据安全业界说法，在付费企业环境中，不将输入数据用于服务商的训练数据，已成为普遍的合同条件。 将数据保留期限设为接近于零，或让数据仅在企业专属区域内流转的隔离功能，也几乎成为标准配置。随着技术前提发生变化，“一用就泄露”的等式也开始动摇。 三星似乎也是建立在这一前提之上。公司并未公开说明具体导入的是哪一类服务。但它同时明确了“全面允许外部AI”和“构建安全体系”，并在4月至5月期间，针对设备体验（DX）部门2500名员工试验了候选服务，完成概念验证。 这也并非意味着全体员工可以立刻自由使用。由于计划是在完善运营方案和安全体系后分阶段开放，业内判断其前提应是受控的企业级环境。 判断的天平也在转移。与其说封锁的成本更低，不如说不使用AI的成本更高。在竞争对手用AI撰写报告、编写代码、分析市场的同时，如果仍坚持全面封锁，生产率差距就会拉大。 这正是三星选择让内部自研模型“Samsung Gauss”与外部通用AI并行运行的原因。敏感的内部数据由自研模型处理，最新的通用功能则从外部引入，形成分工结构。 这一趋势并非三星独有。业内预计，韩国企业的生成式AI使用率将从2025年的55.7%上升至今年约85%。过去以封锁为默认设置的时代正在结束，“如何安全使用”成为新的问题。 首席执行官不再将安全问题推给IT部门，而是亲自将其作为经营议题来承担，这也是此次发布传递出的另一层信号。 ...

企业正在向人工智能投入巨额资金。问题在于，这些钱大部分并没有转化为成果。 美国麻省理工学院（MIT）研究人员去年公布的一项分析在业界引发了震动。研究显示，企业尝试的生成式AI试点项目中，95%未能带来可量化的损益效果。 研究团队梳理了300个公开的导入案例，并调查了数百名企业高管和员工。全球企业投入的资金达到300亿至400亿美元，折合韩元约41万亿至55万亿韩元。在这笔巨额投资中，真正取得明显成果的只有5%。 研究人员的判断与常识有所不同：失败原因并非AI模型性能不足。模型本身已经足够聪明，问题在于它无法融入企业的工作流程，最终只是在消耗成本。也就是说，企业买来了聪明的工具，却没有真正用好。 当我们深入查看这笔“成本”的本质时，一种近年来浮现的解决方案轮廓便显现出来：尽可能将原本依赖云端的AI，拉回到“本地设备”一侧。 ◆ AI用得越多，钱流失得越快？ 使用AI大致分为两个步骤：用海量数据训练模型的“学习”，以及向已经训练好的模型发出实际提问、获得答案的“推理”。如果类比为人类，就是学习和考试的区别。企业每天产生的大部分成本，主要来自推理阶段。 如果把推理交给云端，费用就会按“token”计费。token指的是AI处理的文字单位。一次提问、回应中的每一句话都会不断累积费用。对少数员工来说，这看起来只是小钱。但当数万名客户同时使用，且一次任务中AI被调用十次、二十次时，账单就会像滚雪球一样暴涨。 价格表本身也暗藏风险。分析显示，OpenAI、Anthropic、Google等大型AI企业目前都在以低于成本的价格提供推理服务，这是一场争夺用户的出血式竞争。这意味着如今的低价能维持多久并不确定。 速度同样也是成本。把问题发到云端、再接收答案，往往会带来1到2秒的延迟。对于实时翻译或语音助手等需要即时反应的服务，这种延迟是致命的。用户一多，超过调用上限而导致服务中断的情况也并不少见。 ◆ 在“云端之外”找到的解法 备受关注的替代方案是“本地优先推理”。名字听起来很宏大，其实思路很直接：不要把所有事情都交给昂贵的云端AI，能在设备或公司服务器上处理的简单任务，先在内部完成；真正困难、模糊的任务再交给云端。 本地优先推理的三阶段结构与成本节约效果。简单任务在设备端完成，只有困难任务才交给云端AI处理，以降低成本。（图表=Solution News） 实际效果已经在测算中得到验证。某科技媒体公开的案例显示，在处理4700份工程图纸文档时，有70%至80%的内容先在设备端完成了自动筛选。 这些文档的情况足够明确，因此不需要求助云端AI。结果，云端调用成本降低了75%，处理时间减少了55%。系统还被设计为：只把判断模糊的文档送往云端，遇到高风险情况则由人工最终审查，从而将错误控制住。 不过，这个75%的数字需要放在特定场景下理解。它是某项文档处理工作得出的结果，并不是适用于所有AI任务的万能公式。若要在设备端运行AI，就需要购买硬件，也需要花费人力设计和维护系统。对交易量较小的企业来说，云端反而可能更便宜。关键不在于“无条件本地化”，而在于“根据任务性质分工处理”。 从开发者的选择中也能看出这一趋势。5月第三周GitHub上增长最快的10个热门项目中，比起直接调用大模型的工具，更突出的是那些能够在设备端直接运行、或通过减少调用次数来节省成本的工具。 其中三个采用的是把所有处理都在设备内完成的方式，另外三个则专注于减少token消耗。这传递出一个信号：重心正在从以大模型为中心，转向更精细地优化其周边。 我们日常使用的智能手机也已经纳入了这种变化。通话翻译、图片文字识别等即时处理功能中的相当一部分，并不是运行在遥远的服务器上，而是在我们手中的设备里完成的。 ◆ 给予企业的提问 这一趋势传达出的信息十分明确。对韩国中小企业和小商户而言，AI导入最大的门槛一直是成本。由于难以承受巨额云端费用，很多企业只能推迟导入，或在试点项目阶段就放弃。MIT指出的95%失败率之所以与他们无关，正是因为这并非别人的问题。 ...

英伟达正在审议与现代汽车合作，在韩国建设“AI工厂”。英伟达首席执行官黄仁勋8日与现代汽车集团会长郑义宣会面时，表示有意参与全罗北道群山的数据中心建设。他在席间将群山比作美国硅谷，称其为“韩国的AI谷”。 当天会面在首尔良才洞的现代汽车集团总部举行。由郑会长先提议参与群山项目，黄CEO作出回应。 现代汽车集团此前于2月与政府、全北特别自治道签署协议，决定在群山约34万坪地块投资9万亿韩元，建设机器人、AI、氢能和太阳能设施。若英伟达加入，这片土地将成为支撑自动驾驶和机器人研究的核心基础设施。 外界关注的焦点集中在一个问题上：英伟达为何选择群山，而不是聚集着企业与人才的首尔首都圈？答案在于“AI工厂”这一概念，以及韩国电力网络的现实状况之中。 英伟达、现代汽车与群山数据中心合作审议（照片=SolNews） 黄CEO所说的AI工厂，与人们通常想到的数据中心并不相同。传统数据中心更像存储和传输信息的仓库，而AI工厂则更进一步，堪称“生产AI”的工厂。 打个比方，就像汽车在工厂里装配零部件后成为整车一样，AI工厂把产业现场海量数据输入后，加工成可用于自动驾驶、机器人、通信的AI模型并输出。黄CEO之所以强调“汽车是在工厂里生产的，AI也应该在AI工厂里生产”，正是出于这一逻辑。 他还强调了另一句话：“人类需要云数据中心，机器人需要AI工厂。”其含义是，机器人若要自主判断，就必须有不断训练其大脑——即AI——的工厂。 这类工厂耗电巨大。数以万计的AI芯片24小时运转并持续散热。能否稳定、而且尽可能低成本地获取电力，成为决定选址的核心变量。问题也正出在这里：首都圈被卡住了。 韩国国内60%以上的数据中心集中在首都圈。原因很简单：企业、人才和通信网络都更接近。 但问题在于电力。数据中心向韩国电力公司申请的契约电力，从2020年以前的约60兆瓦（MW），在短短3年里飙升到2023年的3091MW，增长了50倍以上。首都圈的输配电网络已经逼近极限。 韩国电力公司已表示，短期内很难在首都圈接纳新的大型设施。政府则于2024年6月实施《分散能源活性化特别法》，要求使用10MW以上电力的数据中心事先接受对电力系统影响的评估。这实际上是在首都圈新建数据中心竖起了栅栏。 首都圈集中也带来安全问题。2022年板桥数据中心火灾导致卡通和카오카오服务瘫痪，就是典型案例。基础设施过度集中会在灾害面前显得脆弱。政府推动数据中心向地方分散，背后正是电力紧张与风险分散这两大考量。 英伟达、现代汽车与群山数据中心合作审议（照片=英伟达韩国） 群山恰好填补了这一空白。这里地广而便宜。总面积达409平方公里的围垦地，足以展开大规模设施。 电力条件也跟得上。到2030年，群山将建成7GW级再生能源园区。通过太阳能和风力发电，并在当地直接使用电力的所谓“产地消费”结构成为可能。 对于将企业用电100%转为再生能源的RE100目标而言，这里也更有利。全球企业因碳排放监管，对再生能源采购的要求越来越严格。湖南地区发电量远超需求，本就是电力富余的地区。若数据中心等大型用电需求吸收这些剩余电力，也能减轻电网压力。 黄CEO将群山称为“AI谷”，带有象征意义。若说硅谷是半导体和软件企业聚集形成生态的地方，那么群山瞄准的，就是AI芯片、数据中心、机器人和自动驾驶汇集的枢纽。长期搁置的围垦地，正转向未来产业的试验场。 这次会面并非一次性合作。当天，英伟达还同步公布了与SK、LG、现代汽车、Naver、斗山等韩国5家企业的AI工厂合作计划。 这些企业一方面向英伟达供应半导体、存储器等核心技术，另一方面也将作为建成AI工厂后的使用需求方，形成供需一体的结构。 不过，要让这一构想落地，仍有几道门槛必须跨过。即便再生能源充足，也必须有能将电力稳定输送至数据中心的输电网络。 仅靠输出波动较大的太阳能和风力，难以支撑一刻都不能停的数据中心。还需要同步设计大容量储能装置和备用电源。 人才和定居条件也是课题。数据中心与AI研究都需要高端人才，但相比首都圈，地方在吸引人才方面并不容易。专家指出，与其只把租赁型数据中心搬到地方，不如把企业的研发和总部功能也一并转移，形成吸引人聚集的生态系统。 制度的可预测性也必须跟上。影响投资规模的电力系统影响评估目前仍处于试运行状态，尚未正式公布，这会给企业带来不确定性。 当电力网络、人才与制度这三大支柱相互配合，群山AI谷才会从宣言变成实体。英伟达表达参与意向只是起点，后续如何填补空白，最终还是韩国自己的课题。

日本九州大学研究团队利用人工智能，对2100年之前的全国人口进行了精密预测。 国土一半将变成无人区……生育率0.80的韩国正站在更陡峭的下坡路上。 ▶ 日本九州大学研究团队将日本全国切分为边长500米的155万多个网格，并利用人工智能预测到2100年的人口变化。预测准确率超过99%。 ▶ 到2100年，日本超过一半网格将不再有人居住。人口增长的地区实际上只剩东京，其他大城市也只能勉强保住市中心。 ▶ 平均每户人口将从2020年的2.26人减少到2100年的1.39人，外国人占比将超过6%。这意味着社会将走向独居化、移民社会化。 ▶ 韩国2025年的总和生育率为0.80，明显低于日本的1.15。若把同样的地图画到韩国上，人口消失的倒计时只会转得更快。 人工智能描绘出了100年后的人口地图。它把日本全国切分成边长500米的一格一格小区块，共155万多个网格，并计算出每个网格到2100年时会有多少人居住。这是日本九州大学研究团队今年3月发表在国际学术期刊上的成果。 方法看似陌生，原理却并不复杂。研究团队将日本政府自1995年以来每5年积累一次的网格人口数据，与“深度学习”这一人工智能技术结合起来。 深度学习是一种无需人手逐条输入规则、就能让机器从海量数据中自动学习并发现隐藏规律的方法。研究中还加入了夜间卫星拍摄的灯光数据。灯光越亮，往往意味着人口和经济活动越集中，这是研究的重要线索。 预测运行原理示意图（来源=Workflows of long-term grid-level prediction） 这种预测未来的模型是否可信，研究团队通过回测过去来验证。他们让模型去预测那些已经有答案的旧人口数据，结果准确率超过99%。而且其结论与日本政府的官方人口预测在整体上也相当吻合。这说明AI给出的未来地图并非天马行空的想象。 过去的人口预测通常是先确定全国或行政区的大致总量，再将其拆分到更小区域。各地差异往往被掩盖。 这次研究则反过来，先计算每一个小网格的变化，再汇总成全国图景。因为能捕捉到街区层面的细微差别，所以风格完全不同。 ◆ AI绘出的日本2100年 地图所显示的未来清晰而残酷。模型预测，日本人口将在2055年左右降到1亿以下，2070年减少到9000万人规模，直到世纪末才趋于缓和并略有反弹。这相当于80年里一个世代整体消失的规模。 更令人震惊的是“人会在哪里留下来”。模型显示，到2100年，日本全国一半以上的网格将变成完全没有人居住的空地。 ...

建在楼顶上的移动通信基站。无线通信设备企业向通信网建设所需的天线、滤波器、光通信零部件等提供产品。 韩国股市中，一个陌生的行业——无线通信设备——正连续走强。不到半年，股价翻倍的个股接连出现。可这些公司究竟制造什么、为何受到关注，却并不为人熟知。 ◆ 无线通信设备股，是构筑通信网络骨架的公司 无线通信设备，是铺设手机信号通路的设备。通话或观看视频时，信号都会经过遍布各处的基站。基站是连接手机与通信网络的中间节点。 构成基站的零部件和设备制造商，被归入无线通信设备板块。负责收发信号的天线、过滤噪声的滤波器、增强发射功率以将信号传得更远的电力部件，都是代表性产品。连接楼宇内部通信的中继设备、以光传输信号的光通信部件，也都属于这一领域。 这类公司的业绩取决于通信运营商在网络上投入多少。运营商每新建一个基站，设备订单就会增加；一旦停止投资，业务就会枯竭。因此，该板块股价会随着通信投资周期大幅波动，这也是其结构性原因。 ◆ AI RAN：把智能植入基站的技术 近期拉动这一板块上涨的核心关键词，就是AI RAN。无线接入网（RAN）指由基站和天线构成的通信网络最外层，而AI RAN就是在此基础上加入人工智能。 传统基站只能按照既定规则处理信号；AI RAN则能自主识别网络状况并调节流量。人流集中的时段，它会自动分配资源并减少电力浪费。换言之，通信网络会变得更“聪明”。 英伟达CEO黄仁勋将这项技术定位为下一代增长引擎，市场由此迅速升温。他的设想是，把用于人工智能运算的英伟达图形处理器（GPU）也装入基站。 这意味着英伟达要把在数据中心赚到的钱，进一步扩展到通信网络领域。市场形成的预期是，一旦英伟达打开市场，通信运营商就不得不投资新设备，而相关利好将流向零部件和设备企业。 ◆ 三重利好同时叠加 预期之所以转化为股价，与时间点有关。不同性质的利好在相近时期重叠出现。 美国联邦通信委员会（FCC）于本月2日（当地时间）重新开启频谱拍卖。这是其重新获得拍卖权限后的首次行动。最多可追加释放800MHz规模的频谱。新获得频谱的运营商，必须配套建设相应设备。这相当于大规模资本开支的前奏。 美国排斥包括华为在内的中国通信设备的趋势，也为韩国企业带来机会。中国设备腾出的空缺，被视为韩国企业可以填补的供应来源。再加上英伟达带来的AI RAN预期，市场将其解读为新一轮通信投资周期的起点。 股价反应也十分迅速。行业龙头股在短时间内较年初上涨了70%至140%。部分个股甚至单日暴涨超过20%。这正是整个行业被点燃的背景。 ◆ ...